原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明涉及一种基于预训练语言模型的测试用例自动生成方法，属于人工智能测试技术领域，以解决现有技术中标注语义角色需要依赖工具的准确性且泛化能力较差的问题；本发明首先对测试数据并对其进行预处理；将预处理后的数据输入预训练语言模型中，动态学习文本的语义特征信息；然后基于图神经网络模型学习用例间的关联关系特征信息；最后将经过图卷积操作后的关联关系特征信息与步骤2中的语义特征信息结合，通过交叉熵损失函数训练模型自动生成测试用例。本发明中，通过预训练语言模型动态获取文本的语义特征信息，消除一词多义的歧义性；
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117539771A
(43)申请公布日2024.02.09
(21)申请号202311556139.XG06N3/084(2023.01)
(22)申请日2023.11.
文档评论（0）